一种基于视觉目标的注意力全息智能训练系统及方法技术方案

本发明专利技术公开了一种基于视觉目标的注意力全息智能训练系统及方法，涉及视觉训练技术领域，为了解决在视觉训练前期的检测以及训练数据整合的问题。本基于视觉目标的注意力全息智能训练系统及方法，视觉检测系统可以根据使用者的自身情况使VR眼镜进行调整，调整为最佳配合使用者的状态，VR调试系统将根据使用者双眼的情况生成VR音频生成模块和VR环境生成模块，VR音频生成模块和VR环境生成模块构成数字孪生模块，数字孪生模块生成的画面将更适合使用者的双眼情况，数据检测系统对接受数据进行分析，分析数据是否有误，接受到的数据与往期数据进行数据对比，数据对比后对汇总数据进行细化，深入到低层次细节数据，对数据等级进行有效的分类。效的分类。效的分类。

【技术实现步骤摘要】
一种基于视觉目标的注意力全息智能训练系统及方法


[0001]本专利技术涉及视觉训练
，具体为一种基于视觉目标的注意力全息智能训练系统及方法。

技术介绍

[0002]视觉训练是指利用光学或心理物理学等方法，训练双眼调节功能，集合功能，眼球运动功能以及两者的协调性，从而提高双眼视觉系统的应用能力，改善及治愈视疲劳，眼球运动障碍，阅读障碍等双眼视觉疾病。现有的视觉训练常存在以下问题：
[0003]1.现有的视觉训练多数是以图形卡片或者电子图片的形式展现出来，训练场景枯燥，使训练者不能很好的、集中精力的进行训练。
[0004]2.在VR训练中，每个训练者的双眼状态都不同，如果没有进行很好的检测和调整会大大降低训练效果。

技术实现思路

[0005]本专利技术的目的在于提供一种基于视觉目标的注意力全息智能训练系统及方法，视觉检测系统可以根据使用者的自身情况使VR眼镜进行调整，调整为最佳配合使用者的状态，VR调试系统将根据使用者双眼的情况生成VR音频生成模块和VR环境生成模块，VR音频生成模块和VR环境生成模块构成数字孪生模块，数字孪生模块生成的画面将更适合使用者的双眼情况，数据检测系统对接受数据进行分析，分析数据是否有误，接受到的数据与往期数据进行数据对比，数据对比后对汇总数据进行细化，深入到低层次细节数据，对最终的数据决策，并且可以对数据等级进行有效的分类，可以解决现有技术中的问题。
[0006]为实现上述目的，本专利技术提供如下技术方案：
[0007]一种基于视觉目标的注意力全息智能训练系统，包括VR眼镜和主机终端，所述VR眼镜和主机终端通过信号传输进行连接，VR眼镜包括视觉检测系统、VR调试系统、视觉训练系统和数据检测系统，视觉检测系统的输出端与VR调试系统的输入端数据传输连接，VR调试系统的输出端与视觉训练系统的输入端数据传输连接，视觉训练系统的输出端与数据检测系统的输入端数据传输连接。
[0008]优选的，所述视觉检测系统包括近视检测模块、弱视检测模块、散光检测模块、眼间距检测模块和瞳孔间距检测模块，近视检测模块可以对使用者是否有近视以及近视大致度数进行检测，弱视检测模块可以对使用者是否是弱势进行检测，散光检测模块可以对使用者是否是散光进行检测，眼间距检测模块可以检测出使用者双眼之间的距离，瞳孔间距检测模块可以检测出使用者瞳孔之间的距离。
[0009]优选的，所述VR调试系统包括VR音频生成模块和VR环境生成模块，VR音频生成模块和VR环境生成模块构成数字孪生模块，数字孪生模块包括能力层、功能层、模型层、数据层和物理层，物理层、数据层、模型层、功能层和能力层分别依次对应数字孪生的物理对象、对象数据、动态模型、功能模块和应用能力要素，VR环境生成模块包括场景模拟模块、图像
生成模块和影音同步模块。
[0010]优选的，所述能力层包括文本情绪解读、生物体运动预测、节能运行模式、日常运行模式和大流量调度，通过功能模块的搭配组合解决特定应用场景中某类具体问题的解决方案，在归纳总结后整合成专业知识体系，且形成的模式在一定程度上实现自适应调整。
[0011]优选的，所述功能层包括数化仿真、分析诊断、学习预测和决策自治，各类模型通过或独立或相互联系作用的方式形成的半自主性的子系统，功能模块各自独立设计、创新，且同时遵守共同的设计规则，互相保持一定的统一性。
[0012]优选的，所述模型层包括机理模型和数据驱动模型，机理模型和数据驱动模型构成动态模型，具备自我学习、自我调整的能力，数据层包括固有数据和实时采集数据，固有数据为数据层提供物理空间中存在的数据，以及由各类传感器实时采集的多模式多类型的运行数据，物理层包括物理实体和逻辑规则，也包括物理实体内部及互相之间存在的各类运行逻辑、生产流程等已存在的逻辑规则。
[0013]优选的，所述视觉训练系统包括追踪训练模块、背景辨别模块、动作统合模块、记忆辨别模块、精度辨别模块和逻辑推理模块，追踪训练模块根据跳跃捕捉信息的强度、视觉移动的速度以及视觉的范围和容量等等，对使用者进行追踪训练，背景辨别模块根据全息内的图形以及图形数量让使用者用有规律的方式来知觉图形。
[0014]优选的，所述动作统合模块根据使用者的视觉记忆对图像进行辨别，同时可以对使用者的手眼协调能力进行统合，记忆辨别模块根据视觉记忆和辨别的能力对使用者进行训练，精度辨别模块让使用者进行物体异同进行精度的辨别，提高使用者的视觉专注力，逻辑推理模块根据图形的物体和形状进行判断推理。
[0015]优选的，所述数据检测系统包括数据采集模块、数据分析模块、数据对比模块和数据决策模块，数据采集模块将视觉训练系统的数据进行流量控制接受，接受完成后通过数据分析模块对接受数据进行分析，分析数据是否有误，数据对比模块根据接受到的数据与往期数据进行数据对比，数据对比后对汇总数据进行细化，深入到低层次细节数据，数据决策模块通过数据对比模块的数据对最终的数据决策，并且可以对数据等级进行有效的分类。
[0016]本专利技术提供另一种技术方案，一种基于视觉目标的注意力全息智能训练系统的实现方法，包括以下步骤：
[0017]第一步：使用者带上VR眼镜后，先根据视觉检测系统对使用者的双眼进行是否有近视以及近视大致度数进行检测、是否是弱势进行检测、是否是散光进行检测、检测出使用者双眼之间的距离以及检测出使用者瞳孔之间的距离，视觉检测系统可以根据使用者的自身情况使VR眼镜进行调整，调整为最佳配合使用者的状态；
[0018]第二步：通过视觉检测系统对使用者的双眼检测完成后，VR调试系统将根据使用者双眼的情况生成VR音频生成模块和VR环境生成模块，VR音频生成模块和VR环境生成模块构成数字孪生模块，数字孪生模块生成的画面将更适合使用者的双眼情况；
[0019]第三步：VR调试系统将画面形成后通过视觉训练系统对使用者进行更进一步的训练；
[0020]第四步：使用者通过视觉训练系统训练完成后，再通过数据检测系统对使用者的数据进行整理。
[0021]与现有技术相比，本专利技术的有益效果如下：
[0022]1.本专利技术提供一种基于视觉目标的注意力全息智能训练系统及方法，视觉检测系统可以根据使用者的自身情况使VR眼镜进行调整，对使用者的双眼进行是否有近视以及近视大致度数进行检测、是否是弱势进行检测、是否是散光进行检测、检测出使用者双眼之间的距离以及检测出使用者瞳孔之间的距离，调整为最佳配合使用者的状态。
[0023]2.本专利技术提供一种基于视觉目标的注意力全息智能训练系统及方法，VR音频生成模块和VR环境生成模块构成数字孪生模块，数字孪生模块包括能力层、功能层、模型层、数据层和物理层，物理层、数据层、模型层、功能层和能力层分别依次对应数字孪生的物理对象、对象数据、动态模型、功能模块和应用能力要素，数字孪生模块生成的画面将更适合使用者的双眼情况，同时实现复杂应用、构成成熟完整的数字孪生体系，多层级，多条目矩阵分析法，深入挖掘客户需求，推进需求转化进程和本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于视觉目标的注意力全息智能训练系统，包括VR眼镜(1)和主机终端(2)，其特征在于：所述VR眼镜(1)和主机终端(2)通过信号传输进行连接，VR眼镜(1)包括视觉检测系统(11)、VR调试系统(12)、视觉训练系统(13)和数据检测系统(14)，视觉检测系统(11)的输出端与VR调试系统(12)的输入端数据传输连接，VR调试系统(12)的输出端与视觉训练系统(13)的输入端数据传输连接，视觉训练系统(13)的输出端与数据检测系统(14)的输入端数据传输连接。2.根据权利要求1所述的一种基于视觉目标的注意力全息智能训练系统，其特征在于：所述视觉检测系统(11)包括近视检测模块(111)、弱视检测模块(112)、散光检测模块(113)、眼间距检测模块(114)和瞳孔间距检测模块(115)，近视检测模块(111)可以对使用者是否有近视以及近视大致度数进行检测，弱视检测模块(112)可以对使用者是否是弱势进行检测，散光检测模块(113)可以对使用者是否是散光进行检测，眼间距检测模块(114)可以检测出使用者双眼之间的距离，瞳孔间距检测模块(115)可以检测出使用者瞳孔之间的距离。3.根据权利要求1所述的一种基于视觉目标的注意力全息智能训练系统，其特征在于：所述VR调试系统(12)包括VR音频生成模块(121)和VR环境生成模块(122)，VR音频生成模块(121)和VR环境生成模块(122)构成数字孪生模块(123)，数字孪生模块(123)包括能力层、功能层、模型层、数据层和物理层，物理层、数据层、模型层、功能层和能力层分别依次对应数字孪生的物理对象、对象数据、动态模型、功能模块和应用能力要素，VR环境生成模块(122)包括场景模拟模块(1221)、图像生成模块(1222)和影音同步模块(1223)。4.根据权利要求3所述的一种基于视觉目标的注意力全息智能训练系统，其特征在于：所述能力层包括文本情绪解读、生物体运动预测、节能运行模式、日常运行模式和大流量调度。5.根据权利要求3所述的一种基于视觉目标的注意力全息智能训练系统，其特征在于：所述功能层包括数化仿真、分析诊断、学习预测和决策自治，各类模型通过或独立或相互联系作用的方式形成的半自主性的子系统。6.根据权利要求3所述的一种基于视觉目标的注意力全息智能训练系统，其特征在于：所述模型层包括机理模型和数据驱动模型，机理模型和数据驱动模型构成动态模型，数据层包括固有数据和实时采集数据，固有数据为数据层提供物理空间中存在的数据，以及由各类传感器实时采集的多模式多类型的运行数据，物理层包括物理实体和逻辑规则，也包括物理实体内部及互相之间存在的各类运行逻辑、生产流程已存在的逻辑规则。7.根据权利要求1所述的一种基于视觉目标的注...

【专利技术属性】
技术研发人员：李翩翩，秦靖然，贺赫，陈立鹏，冯天琪，王祎玮，王雨蝶，章未，
申请(专利权)人：温州医科大学，
类型：发明
国别省市：